基于短时交通流量预测对路网微观交通仿真的研究

针对早高峰短时交通流量预测数据少、波动大的特点,提出用灰色模型进行预测。将灰色GM(2,1)改进为灰色GM(2,1,λ,ρ)预测模型,以提高预测精度。针对粒子群算法(PSO)的早熟现象,将Logistic混沌搜索嵌入到PSO算法,应用混沌粒子群算法(CPSO)寻找灰色GM(2,1,λ,ρ)预测模型最优的参数λ和ρ。结合两者提出了基于CPSO–GM(2,1,λ,ρ)的早高峰短时交通流预测模型。利用VISSIM对研究路网进行微观交通仿真,通过VISSIM–Excel、VBA–Matlab平台实现了短时交通流量预测和路网微观交通仿真数据的交互,对集成交通控制系统的架构进行了方案设计。仿真结果表明,结合流量预测的路网优于固定信号配时下的路网仿真。     

电力系统短期负荷预测的多神经网络集成模型

提出一种改进的多神经网络集成自适应Boosting回归算法,算法中引入“早停规则”和“噪声扰动”.利用这种方法对电力系统日负荷预测进行相关的研究,进而采用美国加州电力市场的实际数据,构造相应的预测模型.结果表明,与传统的单网络预测模型相比,Boosting多网络集成预测模型能显著提高模型输出的稳定性,获得更高的预测精度.     

基于IOWA算子的水上交通事故组合预测模型

为提高水上交通事故的预测精度,将引入弱化算子序列的灰色模型和支持向量回归模型的预测结果进行组合,进而构建基于IOWA算子的组合预测模型。以全国和长江某流域水上交通事故历史数据为预测样本,将组合预测模型的预测结果与其他预测模型的预测结果进行对比。结果显示:组合预测模型的预测精度更高,能更好地反映水上交通事故的发展趋势。     

基于误差绝对值之加权和最小的组合预测模型及其应用

介绍了基于误差绝对值之加权和最小的组合预测模型 ,并应用灰色预测法和三次指数平滑预测法两种单项预测法建立上海港集装箱吞吐量的组合预测模型 ,并运用此模型对 2 0 0 0～ 2 0 0 1年上海港集装箱吞吐量进行了预测     

加权灰色关联理论模型在辽宁海上交通事故分析与预测中的应用

为增强海上交通运输安全,运用灰色系统理论中的加权灰色关联分析和预测的基本原理,改进关联系数的计算方法,并考虑各序列因子在不同点处的权重差异,对辽宁水域2007—2013年的船舶交通事故进行分析.建立该水域船舶交通事故总数与事故类型及发生时间的关联矩阵,根据得到的加权灰色关联度寻求事故的发生规律.将传统灰色关联理论与加权灰色关联理论的关联结果进行对比,验证加权灰色关联理论具有较好的精确性和层次性.建立船舶交通事故总数的预测模型,并对该水域的交通形势进行预测,同时将预测模型结果与实际数据相比较,得到模型预测精度,证明该模型合理、可靠,可以为海上交通事故的预防提供指导和借鉴.     

灰色马尔科夫预测模型及其在市盈率预测中的应用

针对上市公司市盈率预测同时具有趋势性和随机性的特点,在 GM(1,1)模型及马尔科夫预测模型的基础上,提出了灰色马尔科夫预测模型,通过对市盈率历史数据的预测分析,证明了模型的预测结果令人满意.     

基于ARIMA模型的股票行情预测

基于ARIMA金融时间序列理论对样本数据进行了ARIMA模型识别、参数估计和模型检验,建立了ARIMA预测模型,并用建立的模型进行了短期预测和误差分析。模型检验结果显著,预测精度理想。由此论证了用时间序列ARIMA模型来预测股票行情是可行的,亦为证券投资分析提供了一个重要的工具。     

基于支持向量机的起重机电机振动特征参数预测

提出用支持向量机方法对岸桥电机运行性能特征参数进行预测的方法,并构造基于支持向量回归的单步及多步预测模型.利用该模型对岸桥电机振动烈度时间序列分别进行1步和4步预测,并与自回归(AR)模型的预测值进行比较.实验结果表明,基于支持向量机预测模型的1步预测和4步预测精度均比AR模型的预测精度高,因此该模型对岸桥电机的运行性能特征参数具有较好的短期和长期预测能力.     

区域船舶交通流量预测ChebNet-LSTM模型

针对船舶交通流量预测模型对船舶流量数据空间特征考虑较少的问题,建立一种由切比雪夫网络(Chebyshev network, ChebNet)和长短期记忆网络(long short-term memory, LSTM)组成的深度学习预测模型ChebNet-LSTM。ChebNet的K阶卷积算子有利于提取船舶流量数据的空间特征,而LSTM用于学习船舶流量数据的时间特征。选取舟山水域中船舶流量不同的3个区域进行船舶流量预测实验。结果表明,所提出的ChebNet-LSTM模型可以有效地提取船舶流量数据的时空特征,在各项评价指标上的表现均优于对比模型,预测精度得到较大提高,可以为水上交通智能航行提供数据支撑。     

船舶交通量的BP神经网络-马尔科夫预测模型

为提高船舶交通量的预测精度,在BP神经网络的基础上结合马尔科夫预测模型建立一个新的预测模型.采用通过长江九江大桥的月度船舶交通量数据进行模型训练、验证和预测,求出相对残差值,将相对残差的前8项归一化后划分为3个状态,利用马尔科夫预测模型修正BP神经网络的预测值.该新模型将BP神经网络的相对残差值区间从[-12.9%,12.3%]降低至[-9.9%,5.4%].该模型能提高船舶交通量的预测精度,用于预测船舶交通量是可行的.     

基于优化灰色马尔科夫动态模型的上海港集装箱吞吐量预测

为更准确地预测港口集装箱吞吐量,以灰色马尔科夫模型为基础,建立一种优化的灰色马尔科夫动态模型。根据上海港集装箱吞吐量历史数据建立GM(1,1)预测模型。引入无偏灰色预测理论对GM(1,1)预测模型进行优化。构造等维信息模型,及时更新预测使用的数据以形成动态预测。利用马尔科夫理论对优化后的GM(1,1)预测残差值进行修正,得出上海港集装箱吞吐量的预测值。研究结果表明,与传统灰色马尔科夫模型相比,优化的灰色马尔科夫动态模型预测精度提高了37.03%,预测值拟合曲线更加贴近实际值曲线,预测结果有更高的可信度,为上海港集装箱吞吐量预测提供了一种新的方法。     

基于数据驱动方法的集装箱龙门起重机能源系统健康状态预测

为实现起重机节能环保和延长电池组的寿命,以电池的剩余容量作为集装箱龙门起重机能源系统健康状态的评价标准,建立BP神经网络和最小二乘支持向量机(least squares support vector machine,LSSVM)两种电池剩余容量预测模型。分别采用梯度下降算法和标准粒子群优化算法对两种预测模型中的参数进行优化。利用训练好的模型进行电池剩余容量预测。将两种模型的预测值与实测值进行对比分析,结果表明这两种模型都具有高的预测精度,而LSSVM模型是更合适的预测模型。     

短期电力负荷的组合预测模型

对时负荷建立了灰色模型和自适应滤波模型,利用拟合优度最小的原则对两种模型进行择优组合,建立组合预测模型,经实例验证,预测结果令人满意 .     

基于Elman神经网络修正的ARIMA预测模型

为实现船舶设备的预测性维护,提高轮机人员工作效率,提出一种由Elman神经网络修正的自回归综合移动平均(autoregressive integrated moving average, ARIMA)模型用于设备运行数据预测。对输入数据进行平稳化处理,建立相应的ARIMA模型;引入Elman神经网络对ARIMA模型的预测残差进行分析并建立Elman残差预测模型;将ARIMA模型的预测值与Elman残差预测模型的预测值相加,得到最终预测值。采用“育鲲”号船某航次中冷器的海水出口温度数据进行模型的训练和验证,将Elman-ARIMA组合模型与单一模型预测结果的平均绝对百分比误差进行对比分析,结果表明,Elman-ARIMA组合模型具有较好的预测性能。     

基于改进思维进化算法的神经网络负荷预测

为了提高短期电力负荷预测精度文章提出了IMEA-NN预测模型。本文使用改进的思维进化算法对神经网络进行优化。建立了结合思维进化算法的神经网络短期负荷预测模型,该优化算法改善了思维进化算法的缺陷,改善了神经网络的泛化能力,从而明显提高了模型的预测精度,预测负荷的平均误差可以控制在1.5%以内。证明此算法对于电网短期负荷预测是实用的和有效的。     

基于改进灰色神经网络模型的三峡枢纽过坝货运量预测

针对三峡枢纽过坝货运量预测受多种因素影响及其具有的非线性特点,提出一种基于改进灰色模型和神经网络的组合预测模型。针对传统组合预测模型在赋权上的局限性,提出基于诱导有序加权几何平均(induced ordered weighted geometric averaging,IOWGA)算子的赋权方法。计算结果比较:组合预测模型的均方误差和均方百分比误差都比各单一预测模型的小。利用组合预测模型对2019—2022年三峡枢纽过坝货运量进行了预测,可为相关决策者提供参考。     

亚洲、中国游泳纪录的灰色GM(1,1)建模与研究

运用灰色系统理论中的模型方法,建立了亚洲男子12项游泳纪录、女子14项游泳纪录和中国男子12项游泳纪录、女子13项游泳纪录的GM(1,1)预测模型,并对建立的亚洲、中国游泳纪录的GM(1,1)预测模型进行了后验差检验,结果表明:预测模型精度均为一级,模型精度较高,具有一定的实用价值,可以用来揭示亚洲、中国游泳运动成绩的发展趋势.并对2002年亚洲、中国游泳运动成绩进行了预测.     

船舶交通流量预测的灰色神经网络模型

为降低船舶交通流量的预测误差,提高预测精度,在分析传统的灰色模型和反向传播(BackPropagation,BP)神经网络模型优缺点的基础上,构建灰色神经网络模型预测船舶交通流量.以实际测量值作为初始数据构建不同的灰色模型,各种灰色模型的预测值作为神经网络的输入值,得到最佳预测模型.实例分析表明:灰色神经网络模型可提高预测精度,预测结果比较理想,优于单一预测模型;该模型具有所需初始数据少和非线性拟合能力强的特点,用于船舶交通流量预测是可行和有效的.     

基于残差自回归模型的兰州市财政收入预测与决策

根据兰州市1994~2012年的财政收入,建立了基于残差自回归模型的财政收入预测模型,拟合效果较好,利用此模型预测了兰州市未来3年的财政收入,并对预测结果进行了分析,提出相关建议,最后探讨了残差自回归模型的应注意事项.     

基于灰色GM(1,1)模型的济宁市人口预测

以2001~2010年济宁市10年的人口数据资料为依据,应用灰色系统理论构建GM(1,1)人口预测模型.统计检验和误差分析表明,模型精度较高,用该模型对济宁市2011~2015年的人口总数进行了预测,并结合济宁市人口发展历史和现状对预测结果进行了分析.